研究人员开发了一种新颖的、基于物理信息的洛伦兹编码（LE）框架，用于重建多池化学交换饱和转移（CEST）MRI中的高分辨率Z光谱。该方法通过将重建表述为使用隐式连续坐标学习的自监督任务，解决了CEST MRI中采集时间长的问题。LE通过将稀疏数据投影到由参数洛伦兹曲线决定的空间中来强制执行物理约束，其性能显著优于现有方法，并实现了准确的定量代谢物映射。 AI
影响 这项研究可能带来更快、更准确的MRI扫描代谢信息，从而提高诊断能力。
排序理由 该集群包含一篇详细介绍MRI光谱重建新方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.06132v1 Announce Type: cross Abstract: Multi-Pool Chemical Exchange Saturation Transfer (CEST) MRI provides valuable metabolic information but is clinically limited by long acquisition times. Although sparse sampling reduces scanning time, reconstructing high-resolutio…
Multi-Pool Chemical Exchange Saturation Transfer (CEST) MRI provides valuable metabolic information but is clinically limited by long acquisition times. Although sparse sampling reduces scanning time, reconstructing high-resolution Z-spectra from limited data remains an ill-posed…